|
随着农业人口向城镇转移，农村正经历剧烈的重构过程，尤其是山区，劳动力大量外流，造成农村衰落。1990—2012年中国农村行政村从75万个减至58.8万个，减少了16.2万个，平均每天减少20个，自然村减少更甚。 在村庄数量减少的同时，我国耕地的“边际化”问题严重，尤其是地块狭小的山区。我国农地边际化出现在1987年前后，卲景安的研究表明重庆市石柱县2002—2011年耕地边际化1.16万hm2，边际化率达16.18%。重庆武陵山区山高坡陡，土地资源禀赋差；历史上失地移民迁入，使该地区人口多，居民点分散。也由于分散，导致山区、少数民族聚居村等特殊地区基础设施条件差，贫困也更为严重。 新农村建设和精准扶贫战略旨在破解“三农”问题，而当前扶贫工作常与农村土地整治结合。在多数贫困地区，精准扶贫往往只能实现暂时性脱贫。尤其在偏远地区，产业发展困难，人口外流严重，通过农村土地整治“输血”容易“造血”难。 借助参与式农村评估方法和遥感解译方法，构建农村衰落的表征指标。农村衰落主要表现在农村承载的生产功能和生活功能的退化或缺失。 生活功能衰退表征指标数据主要通过参与式评估（PRA）和问卷调研得到，反映农户居住和日常生活状况的变化。本文构建人口流失率，常住人口老龄化率，宅基地萎缩率和基础设施退化度4个指标。人口流失率反映农村对农户向心力的减小程度。常住人口老龄化率反映了农村劳动力状况。空置的农村宅基地生活功能下降，新增宅基地则在一定程度上反映农户未来继续居住在原居民点的意愿，取其差值，反映农村宅基地的萎缩情况。基础设施退化度，指聚居点为农户提供的各种公共服务的变化，包括道路、通讯、水电、教育、医疗、卫生、体育文化等（如教学点、卫生所的撤离）。 生产功能衰退表征指标数据主要通过遥感解译方法得到，反映农户在农村从事生产活动的变化。耕地变化率、最远耕作半径收缩度和耕地边缘密度变化率3个指标。耕地变化率指农民实际耕种土地面积的变化程度。最远耕作半径收缩度指居民点与耕种地的最远距离的变化，反映农户土地经营上生产策略的变化，值越大，则表明农户的最远耕作半径向居民点内部收缩的比例也越大。耕地边界密度（Cropland Edge Density）是耕地边界长度与耕地面积的比值，反映了耕地边界的分割程度，CED值越大，表明耕地被分割细碎化程度越高，连通性差，布局分散。耕地边缘密度变化率指耕地破碎化程度的变化，当耕地边缘密度变化率为正值时，意味着耕地细碎化程度降低，连通性升高。 乡村衰弱诊断主要是为科学有效地开展精准扶贫和土地整治工作提供参考，需同时具备针对性和可操作性。农村承载了农民的生活功能和生产功能，将农村衰落的诊断过程分为二步：第一步，生活功能衰退诊断，其诊断标准为：人口流失率>50%、常住人口老龄化率>30%和宅基地萎缩率>50%；第二步，生产功能衰退诊断，其诊断标准为：耕地变化率>50%。 人口流失率>50%。人口流失规模越大、劳动力越是减少，则说明农村的向心力越小，从而也可推断其资源禀赋、发展能力也越差。因此，将农村人口作为判断农村是否衰落的首要标准。 常住人口老龄化率>30%。常住人口老龄化率超过30%时，已经远大于国际社会认定的10%的标准，农村的年龄结构的确面临高度高龄化，劳动力流失严重。 宅基地萎缩率>50%。当扩张规模为0，甚至为负时，农村宅基地则呈现停滞或萎缩状态，农村承载的生活功能退化。宅基地萎缩率超过50%，说明常住人口不到50%，农村人口的流失并非季节性外出的假象，而是长期现象。 耕地变化率>50%。农户生计方式向非农转变后，农业生产必然受到影响，当耕地变化率超过50%时，一方面说明农户生计不再依靠单一的农业生产，同时也反映了当地耕地流转的潜力差。 ————————— 本研究以重庆市酉阳土家族苗族自治县（简称酉阳县）为例，调研采用参与式农村评估法，共涉及4个乡镇、7个自然村的居民点。案例研究结论如下： ————土地利用的变化———— 土地利用/覆被变化：农户生产方式转变直接体现在农户对土地的利用，土地利用/覆被变化是村庄衰落的特征之一。土地利用/覆被以林草地为主：酉阳县林地面积整体变化较大。由酉阳县县志得知，1956年起在“以粮为纲”的政策引导下，全县大面积毁林开荒，导致森林资源急剧下降，森林覆盖率由18.4%下降至4.5%。改革开放后，1982—2002年林地面积增加6.54万hm2；随着退耕还林还草的实施，2014年酉阳县森林覆盖率达到52.9%。由遥感解译结果知，2004年7个村的土地利用以林草地为主，耕地次之。到2014年，各村的林草地占据绝对主导地位。耕地向林草地转化剧烈，以数量变化为主：通过构建土地利用转移矩阵可以发现，2004—2014年间，耕地和林草地变化剧烈，且以耕地向林草地转换为主，其他用地略有变化。从减少量看来，7个村都呈现耕地向林草地转换的趋势，林草地向其他两类变化的比例不大，以向耕地变化为主，其他用地则以向林草地转变为主。对比不同地类以及不同村的总变化量和净变化量，差距在0.45%—5.22%之间，每两类用地间的空间位置转换并不剧烈，而是以数量变化为主，也就是说，在偏远山区，减少的耕地以转变为林草地占绝对主导。 图：酉阳土家族苗族自治县 ——————基于土地利用变化诊断的农村衰落特征—————— 以土地利用/覆被变化结果和农户调研数据为基础，结合构建的农村衰落表征指标，分析总结农村衰落的特征表现为以下四个方面。 人口过疏化和老龄化严重：由表征指标计算结果可知，山区农村衰落程度严重，常住人口老龄化率平均在60%以上，人口流失率平均在80%以上。苗寨、白印潭、细沙溪和小湾四个村为单边劳动输出型，近几年没有人口回流现象；清沙坨、九打、山羊三个村存在个别以季节性帮工为主而回村的人，年龄集中在40-50岁。农村内部用地结构单一化，利用低效：农村宅基地大量空置、废弃，宅基地萎缩率平均在59%以上。农村居民点内部用地经历由单一到多样，再度单一化的过程。撤区并镇和撤校并点等政策的推行，促使政治、教育资源被其他人口集聚、资源条件好的村庄吸纳，公共管理与服务用地逐步废弃；农村人口流失导致商品销售困难，商服用地逐渐撤出。农村宅基地内部土地利用率普遍降低：通过与九打村村里老人访谈，还原解放初至2016年村内宅基地修建及使用情况，宅基地数量先增后减，2000年以后出现大量废弃宅基地，宅基地居住功能明显减弱。至2016年，九打村宅基地萎缩率高达62.86%。 教育资源等公共服务缺位，基础设施的退化：主要表现在学校、卫生所、体育文化场所缺失。由于20世纪末乡村撤点并校政策的推行而撤离，学生上学的距离平均增加5—6倍。教育资源城乡失衡，2000年至2014年期间，全县学校从581减至243所，直接导致学校的服务范围缩小，这种现象在丘陵区尤为严重。山区耕地面积萎缩，呈现聚拢趋势：从表征指标计算结果来看，农业劳动力不足，耕地平均减少67.50%，耕作半径平均收缩69.23%，耕地边缘密度平均降低57.65%，说明调研村耕地不仅面积萎缩，还呈现出细碎化程度降低、向居民点聚拢的趋势。常住农户家庭中，有81.63%的农户家庭存在撂荒耕地两年以上的情况，撂荒地占家庭耕地面积超过一半的占到48.97%，结合遥感解译得到平均67.52%的耕地变化率，在贫困山区，耕地撂荒的形势严峻。 山区生计资源匮乏，耕地细碎化严重，农业难以实现机械化。在调研村落，玉米产量在3.75—6.00吨/平方公顷，平均净收入在4 500—6 000元/平方公顷，按人均种植0.67平方公顷，每年种植收入不超过5 000元，难以积累财富。小规模的散居方式，致使其抗干扰能力弱。与此同时，城乡经济比较效益差距日渐增大。调研区农民外出做工，每天可收入60—200元，年收入在5—8万元，在假设农民都是理性经济人的条件下，劳动力资源优先配置于收益更佳的非农行业。另一方面，农民对生活质量的要求越来越高，通过求学“离农”，举家外迁，加速了农村人口和壮劳力流失。虽然国家重视扶贫与农业，但扶贫项目难以取得理想的经济收益。上述原因导致“农民”的单向流失，直接促使农村衰落。 经案例诊断分析，在调研的7个村落中，确认为衰落的自然村有5个。其中山羊村未表现出衰落，清沙坨呈现衰落趋势，主要是因为山羊村依托旅游资源开展旅游业，农民只是季节性外出打工，没有举家迁移，所以宅基地萎缩率38.71%，没有达到衰落标准；清沙坨距最近靠近县城，地势较平缓，虽然人口和宅基地萎缩程度大，但耕地流转程度高。其余5个自然村，则受限于区位交通、自然资源和公共服务基础设施等因素，诊断为衰落村。 ———————— 基本结论 山区农村衰落主要表现在人口、农村内部用地结构、公共服务和农业生产方式四个方面。具体表现为人口过疏化和老龄化严重；农村用地经历由单一到多样、再衰减的过程，宅基地利用率低、内部利用类型的单一化；农村教育等基础资源缺失；农村耕地面积萎缩、向居民点收缩，细碎化程度降低的同时，植被覆盖率升高、耕地向林草地转变。 结合对衰落的特征和原因分析，建立了农村衰落诊断方法。诊断表明，山区农村衰落主要发生在边远山区，距离城镇近、区位优越的农村未表现出衰落。 根据村庄特点，农村土地整治和扶贫工作应科学制定乡村规划，避免过程性浪费。衰落村庄不宜实施土地整治。在西南山区，诊断为衰落的农村，继续进行土地整治和基础建设并非经济理性的行为，应任其自然消亡，以使山区生态自然恢复。有衰落趋势的农村，则因地制宜，引导农业产业化和非农产业的发展。 西南山区是国家生态涵养区和动植物资源的储备区，既然土地整治的目的是提高生产力，优化土地空间格局，那么，西南山区的土地整治，则应该顺应自然规律，“无为而治”，“藏资源于生态”。 ———— 张凤荣 教授 中国农业大学土地科学与技术学院 中国土地学会副理事长 文章摘编自：贫困山区农村衰落的特征及诊断——以重庆市酉阳县为例[J]. 资源科学，2017，39（6）：999-1012. |
|
|
